**ProRL：通过修正策略梯度估计实现主动推荐的有效强化学习**

_ProRL: Effective Reinforcement Learning for Proactive Recommendation via Rectified Policy Gradient Estimation_

> 这篇论文针对主动推荐系统（PRS）中强化学习应用的挑战，提出了ProRL框架。它指出了传统策略梯度方法在PRS中的两个缺陷：路径长度偏差和梯度高方差。为了解决这些问题，ProRL引入了两种新机制：逐步奖励中心化和位置特定优势估计。实验表明，该方法在多个真实数据集上显著优于现有最先进的主动推荐系统。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.28293)